R语言dplyr按分组日期条件筛选 无需mutate的更优雅实现方法

你完全可以跳过mutate步骤，甚至可以省去左连接操作，以下是两种更简洁的实现方案：

方案1：仅删除冗余mutate步骤（改动最小） #

dplyr的filter()本身就支持直接传入逻辑判断表达式，不需要提前生成逻辑列，同时如果不需要保留分组阈值列，可以在筛选后直接删除：

library(dplyr)

# 提前统一日期类型，避免字符串比较隐患
max_dates$max_date <- as.Date(max_dates$max_date)

desired_df <- df %>% 
  left_join(max_dates, by = 'col_1') %>% 
  filter(date >= max_date) %>% 
  select(-max_date) # 不需要保留阈值列的话加这行即可

方案2：省略左连接，用命名向量匹配阈值 #

如果不想做表连接，也可以提前把分组阈值转成命名向量，直接在filter中匹配对应分组的阈值，代码更精简：

library(dplyr)

# 生成分组阈值命名向量，名称为col_1的取值
max_date_vec <- setNames(as.Date(max_dates$max_date), max_dates$col_1)

desired_df <- df %>%
  filter(date >= max_date_vec[col_1])

补充：如果阈值是从原数据集分组计算得到 #

如果你的分组阈值不需要从外部表导入，而是直接从df本身分组统计得到（比如每个分组的最大日期），可以直接用分组+筛选的写法，不需要额外的阈值表：

desired_df <- df %>%
  group_by(col_1) %>%
  filter(date >= max(date)) %>% # 直接在分组内调用统计函数做判断
  ungroup()

内容的提问来源于stack exchange，提问作者alexb523